神经网络 神经元模型 最基本的成分神经元(neuron)模型 神经元接入输入,输入有连接权重,一旦接收的数值超过阈值,神经元就会被激活,激活后通过激活函数输出,这个模型为M-P神经元模型 一般隐藏层和输出层有激活函数,激活函数常用sigmoid函数 感知机与多层网络 感知机 由两层神经元组成(输入层+输出层(M-P模型)) 可以实现逻辑与或非的运算 权重、阈值 要通过学习得到 学习规则:权重根据实际输出与期望输出的差做改变 多层功能神经元 在输入输出层中甲添加隐含层,输入层一般不进行函数处理 多层前馈神经网络 神经元之间没有同层的连接,没有跨越层级的连接 误差逆传播算法 误差逆传播(error backpropagation) 通常说的BP网路指BP算法训练的多层前馈神经网路 BP算法基于梯度下降(gradient descent)策略 BP神经网路常过拟合,处理方法:早停、正则化 全局最小和局部极小 跳出局部极小的几个方法 采用多个初试值进行训练,有几率获得多个局部极小,可以逼近全局最小模拟退火,接受次优解,可以跳出局部极小随机梯度下降,一样可以跳出局部最优遗传算法,变异也有类似效果(多为启发式,没有证明保证可以得到全局最小) 其他常见神经网络 RBF网路 ART网路 som网路 级联相关网路 elman网络 boltzmann机 深度学习 复杂模型+大数据(日后有机会再深入了解) 请各位同伙批评指正建议! 参考文献: 周志华. 机器学习